江蘇省水稻高溫?zé)岷庀笾笖?shù)保險(xiǎn)區(qū)劃

任義方， 趙艷霞， 高 蘋， 吳洪顏， 林 磊， 徐 云， 朱海濤

(1.江蘇省氣象服務(wù)中心，江蘇南京 210008； 2.中國氣象科學(xué)研究院，北京 100081； 3.江蘇省常州市金壇區(qū)氣象局，江蘇常州 213200；4.江蘇省南通市氣象局，江蘇南通 226000； 5.江蘇省鎮(zhèn)江市氣象局，江蘇鎮(zhèn)江 212000)

國外早在20世紀(jì)90年代已經(jīng)開始關(guān)于農(nóng)業(yè)氣象指數(shù)保險(xiǎn)的研究[1-2]。我國自2004年開始，在國際農(nóng)業(yè)發(fā)展基金(IFAD)和聯(lián)合國糧食計(jì)劃署(WFP)支持下，政府部門采取了一系列鼓勵(lì)實(shí)施農(nóng)業(yè)風(fēng)險(xiǎn)轉(zhuǎn)移措施，在此同時(shí)，農(nóng)業(yè)氣象指數(shù)保險(xiǎn)方法的研發(fā)及其相關(guān)區(qū)劃評(píng)估技術(shù)也開始得到了廣泛的探索。通過開發(fā)和研究精準(zhǔn)量化損害程度的指數(shù)保險(xiǎn)產(chǎn)品，可以為保險(xiǎn)費(fèi)率的厘定及災(zāi)損賠付過程提供科學(xué)保障，從而更好地提高保險(xiǎn)覆蓋率。

目前，國內(nèi)在農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估區(qū)劃體系的構(gòu)建、估算技術(shù)方法的研制、理論模型的構(gòu)建及其應(yīng)用量化領(lǐng)域已經(jīng)不斷成熟[3-6]。以此為背景和基礎(chǔ)，我國開展的相關(guān)農(nóng)業(yè)保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃的研究主要集中在對(duì)農(nóng)作物生產(chǎn)風(fēng)險(xiǎn)區(qū)劃因子選擇和方法應(yīng)用的探討上，如劉長標(biāo)從致災(zāi)因子、災(zāi)損情況、易損性和抗災(zāi)能力角度提出了7個(gè)風(fēng)險(xiǎn)評(píng)估因子，討論了農(nóng)作物區(qū)域產(chǎn)量保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃中風(fēng)險(xiǎn)因子的選擇問題[7]；梁來存通過建立糧食安全自然風(fēng)險(xiǎn)影響的評(píng)價(jià)指標(biāo)體系，利用系統(tǒng)聚類法、K-均值聚類法和模糊聚類法對(duì)我國糧食生產(chǎn)進(jìn)行了省級(jí)保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃[8]；李文芳在綜合考慮氣候、農(nóng)業(yè)災(zāi)害、地形地貌、水利設(shè)施等因素的基礎(chǔ)上建立了一個(gè)適當(dāng)?shù)闹笜?biāo)體系，對(duì)湖北中稻縣級(jí)產(chǎn)量保險(xiǎn)風(fēng)險(xiǎn)進(jìn)行了分區(qū)[9]；鄭軍等選取單位面積產(chǎn)量變異系數(shù)等5個(gè)受災(zāi)風(fēng)險(xiǎn)指標(biāo)，利用系統(tǒng)聚類法對(duì)安徽省水稻進(jìn)行了市級(jí)范圍的產(chǎn)量保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃研究[10]；王國軍等運(yùn)用河南省各市(縣)小麥單位面積產(chǎn)量、面積、農(nóng)業(yè)保險(xiǎn)賠付率、水利設(shè)施、災(zāi)情數(shù)據(jù)在市級(jí)風(fēng)險(xiǎn)區(qū)劃的基礎(chǔ)上完成了縣域小麥生產(chǎn)風(fēng)險(xiǎn)區(qū)劃[11]。此外，還有進(jìn)一步將區(qū)劃結(jié)果作為生產(chǎn)風(fēng)險(xiǎn)的整體空間參考對(duì)厘定的保險(xiǎn)費(fèi)率進(jìn)行修正的應(yīng)用研究，如牛浩等選取8個(gè)主要風(fēng)險(xiǎn)指標(biāo)確立4類主成分來評(píng)定玉米的生長狀況，運(yùn)用AHP權(quán)重分析對(duì)山東省玉米生產(chǎn)風(fēng)險(xiǎn)進(jìn)行了區(qū)劃，并在此基礎(chǔ)上利用區(qū)劃結(jié)果對(duì)初定的產(chǎn)量保險(xiǎn)費(fèi)率進(jìn)行最終修正處理[12]；陳新建等通過聚類分析方法得出湖北省水稻區(qū)域風(fēng)險(xiǎn)系數(shù)并進(jìn)行區(qū)域產(chǎn)量保險(xiǎn)純費(fèi)率厘定[13]；陳平等利用地縣域氣候狀況、災(zāi)害情況、水利條件、單位面積產(chǎn)量和播種面積相關(guān)的12項(xiàng)影響因子，對(duì)湖北省中稻生產(chǎn)風(fēng)險(xiǎn)進(jìn)行區(qū)劃，并依據(jù)相應(yīng)風(fēng)險(xiǎn)等級(jí)對(duì)純費(fèi)率進(jìn)行了調(diào)整[14]。

前人在農(nóng)業(yè)氣象災(zāi)害保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃評(píng)估以及指標(biāo)選擇方面已經(jīng)做了較多的研究，但是從準(zhǔn)確把握災(zāi)害風(fēng)險(xiǎn)與產(chǎn)量損失之間關(guān)系的角度出發(fā)，針對(duì)某一特定作物氣象災(zāi)害的保險(xiǎn)區(qū)劃評(píng)估研究報(bào)道仍較少。水稻高溫?zé)岷κ怯绊懡戳饔蛩旧a(chǎn)的主要?dú)庀鬄?zāi)害之一，在全球變暖背景下，江蘇省高溫日數(shù)和高溫日平均最高氣溫呈上升趨勢(shì)，水稻高溫?zé)岷r(shí)空分布正在發(fā)生改變[15-18]。高溫?zé)岷?duì)水稻的危害程度主要由水稻所處生育期以及熱害的出現(xiàn)時(shí)間、持續(xù)時(shí)間和強(qiáng)度決定，如水稻幼穗分化期[19-20]、抽穗揚(yáng)花期[21-22]和灌漿期[23-24]出現(xiàn)高溫過程均會(huì)導(dǎo)致結(jié)實(shí)率降低，并最終對(duì)產(chǎn)量造成不同程度的影響。20世紀(jì)90年代以后，江蘇省進(jìn)入了高溫?zé)岷^強(qiáng)、覆蓋范圍大的時(shí)期，高溫?zé)岷Πl(fā)生頻次和日數(shù)較20世紀(jì)70～80年代有明顯增加趨勢(shì)，且集中在7月上旬至8月中旬，其出現(xiàn)比例達(dá)40%以上，8月底后出現(xiàn)比例低于10%[25]。相應(yīng)地，與水稻高溫敏感時(shí)段相關(guān)的拔節(jié)期、孕穗期、抽穗期和乳熟期分別出現(xiàn)在7月下旬至8月上旬、8月中下旬、8月下旬至9月上旬和9月中下旬。從時(shí)段吻合性上看，對(duì)高溫最敏感的幼穗分化-抽穗揚(yáng)花階段出現(xiàn)高溫?zé)岷Φ母怕矢?，而?duì)高溫次敏感的灌漿初、中期出現(xiàn)高溫?zé)岷Φ母怕实?，這種高溫?zé)岷Πl(fā)生規(guī)律和特征造成了江蘇水稻大面積減產(chǎn)，尤其是2003年江蘇淮北部分地區(qū)水稻高溫敏感期與7月下旬持續(xù)高溫天氣相遇，造成20%以上減產(chǎn)[26]。因此，本研究利用歷史氣象數(shù)據(jù)和水稻觀測(cè)資料，以江蘇省為例，構(gòu)建水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)，并利用該關(guān)聯(lián)水稻產(chǎn)量損失的熱害表征量劃分保險(xiǎn)風(fēng)險(xiǎn)區(qū)域，在空間分布上通過與高溫致災(zāi)因子區(qū)劃結(jié)果進(jìn)行對(duì)比，在時(shí)間發(fā)展上利用高溫?zé)岷Φ湫湍攴輰?shí)況進(jìn)行檢驗(yàn)的方法，來定量分析和評(píng)估水稻高溫?zé)岷Φ膮^(qū)域發(fā)生特征和規(guī)律，為設(shè)計(jì)水稻高溫?zé)岷庀笾笖?shù)保險(xiǎn)(單一作物災(zāi)害險(xiǎn)種保險(xiǎn))產(chǎn)品提供依據(jù)，進(jìn)一步減小“基差”風(fēng)險(xiǎn)，提高費(fèi)率厘定準(zhǔn)確性以及風(fēng)險(xiǎn)轉(zhuǎn)移能力。

1 研究資料

氣象資料包括江蘇省70個(gè)氣象站1980—2015年的逐日最高溫度和平均溫度。作物資料包括江蘇省8個(gè)農(nóng)業(yè)氣象站(徐州、淮安、贛榆、興化、鎮(zhèn)江、宜興、昆山、高淳)1980—2015年的水稻生育期資料，以及江蘇各縣(市、區(qū))逐年水稻單位面積產(chǎn)量數(shù)據(jù)。災(zāi)害資料包括江蘇省氣象災(zāi)害歷史災(zāi)情統(tǒng)計(jì)數(shù)據(jù)以及《中國氣象災(zāi)害大典(江蘇卷)》記錄的高溫?zé)岷?zāi)情資料。

2 水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)構(gòu)建及驗(yàn)證

2.1 水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)構(gòu)建

2.1.1 指數(shù)構(gòu)建思路 首先，通過分析水稻敏感生育期受高溫?zé)岷τ绊懙臋C(jī)制及其對(duì)產(chǎn)量(或產(chǎn)量結(jié)構(gòu))的影響程度，可知水稻高溫?zé)岷Ρ仨氃诟邷匕l(fā)生時(shí)段與水稻對(duì)高溫敏感期相吻合的情況下才能發(fā)生。然后，再結(jié)合江蘇省高溫的發(fā)生規(guī)律、各站進(jìn)入關(guān)鍵生育期的具體日期以及典型年份實(shí)際高溫?zé)岷Πl(fā)生的時(shí)段和減產(chǎn)情況，選取水稻孕穗-抽穗揚(yáng)花期作為江蘇省整個(gè)水稻高溫?zé)岷ΡO(jiān)測(cè)期。同時(shí)，考慮高溫對(duì)水稻產(chǎn)量的影響是非線性[25，27-28]，高溫?zé)岷?duì)水稻產(chǎn)量損失的影響程度，可采用具有漸增期、快增期和緩增期3個(gè)區(qū)間形態(tài)的Logistic曲線方程定量描述。

2.1.2 指數(shù)構(gòu)建過程 高溫?zé)岷?duì)水稻的危害程度由持續(xù)時(shí)間和強(qiáng)度共同決定，根據(jù)高溫?zé)岷Φ亩x將日平均氣溫≥30 ℃、日最高氣溫≥35 ℃連續(xù)3 d以上的高溫天氣作為1個(gè)高溫?zé)岷^程?？紤]到在同一個(gè)高溫過程中，日平均氣溫和日最高氣溫所體現(xiàn)的熱害發(fā)生時(shí)間和持續(xù)程度不同，以及致害程度不同，因此定義水稻高溫?zé)岷ΡO(jiān)測(cè)期中的各高溫過程危害累積量為H：

(1)

式中：Ti、Tmax,i分別為各高溫?zé)岷^程的日平均溫度和日最高溫度，℃；Tc、Tmax,c分別是發(fā)生高溫?zé)岷r(shí)日平均氣溫和日最高氣溫的臨界值，其數(shù)值分別取30、35 ℃(表1)；n為高溫過程總次數(shù)，次。

表1 江蘇水稻高溫?zé)岷εR界指標(biāo)[29]

由于不同地區(qū)、不同年份水稻孕穗期的出現(xiàn)時(shí)間不同，與高溫配合的時(shí)間也不同，因而逐站逐年統(tǒng)計(jì)水稻高溫?zé)岷ΡO(jiān)測(cè)期中所有高溫過程的危害累積量。同時(shí)，通過分離產(chǎn)量資料，逐站逐年求算相對(duì)氣象產(chǎn)量，將其負(fù)值的絕對(duì)值定義為減產(chǎn)率，計(jì)算公式如下：

(2)

式中：Yw為減產(chǎn)率，%；Y為實(shí)際產(chǎn)量，kg/hm2；Yt為趨勢(shì)產(chǎn)量，kg/hm2。

在求算高溫過程危害累積量與減產(chǎn)率的基礎(chǔ)上，構(gòu)建基于Logistic曲線方程的減產(chǎn)率評(píng)估模型，并將其定義為水稻高溫?zé)岷ΡｋU(xiǎn)的氣象指數(shù)，表達(dá)如下：

(3)

式中：α、β為Logistic曲線方程系數(shù)。在今后實(shí)際水稻災(zāi)害保險(xiǎn)實(shí)施過程中，可以結(jié)合溫度觀測(cè)，通過該模型量化高溫?zé)岷?duì)產(chǎn)量損失的影響，從而實(shí)現(xiàn)保險(xiǎn)理賠的過程。

參數(shù)α、β的具體量化主要在水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)與產(chǎn)量損失的關(guān)系建立過程中得以實(shí)現(xiàn)。由于氣象指數(shù)保險(xiǎn)存在著“基差”的缺陷，本研究重點(diǎn)考慮了熱害減產(chǎn)的樣本選擇問題，以提供更為客觀的氣象保險(xiǎn)產(chǎn)品。首先，選出水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)大于0且減產(chǎn)率大于3%的樣本。由于江蘇省大部分地區(qū)是灌溉農(nóng)業(yè)，水稻遭遇高溫?zé)岷r(shí)，灌溉條件、生產(chǎn)管理水平較好的地區(qū)部分稻田減產(chǎn)可能并不是很嚴(yán)重；或者存在其他農(nóng)業(yè)氣象災(zāi)害(如凍害等)、病蟲害等與輕度高溫?zé)岷Σ⒋?，反而造成水稻大減產(chǎn)的情況，從而使得水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)與減產(chǎn)率之間的對(duì)應(yīng)關(guān)系不理想。因此，在保證既發(fā)生水稻高溫又出現(xiàn)減產(chǎn)的基礎(chǔ)上，利用雙權(quán)重質(zhì)量控制方法[30]，剔除離群點(diǎn)；然后根據(jù)《中國氣象災(zāi)害大典(江蘇卷)》[31]中高溫?zé)岷?shí)況的記載和描述，再進(jìn)行樣本點(diǎn)的選擇。最終選出了69個(gè)由高溫造成水稻減產(chǎn)的年份和相應(yīng)的站點(diǎn)，將其作為研究樣本，通過相關(guān)分析和最優(yōu)化技術(shù)[32]，確定水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)中的參數(shù)α、β。

2.2 水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)檢驗(yàn)

通過質(zhì)量控制后，水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)與減產(chǎn)率有較好的相關(guān)性，相關(guān)系數(shù)達(dá)0.75，通過0.01顯著性檢驗(yàn)，建立兩者之間的回歸方程：

Y=33.67Z+4.26。

(4)

式中：Z為水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)(Z∈[0，1])；Y為減產(chǎn)率，%。判定系數(shù)R2為0.56。

根據(jù)水稻減產(chǎn)率可劃分損失等級(jí)，一般減產(chǎn)率5.0%～<10.0%、10.0%～<20.0%、20.0%～<30.0%、30.0%～<40.0%、≥40%分別劃分為輕、中、重、嚴(yán)重、極端損失。根據(jù)減產(chǎn)率對(duì)應(yīng)的損失等級(jí)，以及水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)與減產(chǎn)率的回歸方程，可以得到對(duì)應(yīng)不同損失等級(jí)的高溫?zé)岷χ笜?biāo)值，從而實(shí)現(xiàn)水稻高溫?zé)岷ΡｋU(xiǎn)氣象指標(biāo)的等級(jí)劃分，詳見表2。

表2 江蘇水稻高溫?zé)岷ΡｋU(xiǎn)氣象指標(biāo)等級(jí)劃分

通過樣本點(diǎn)回代檢驗(yàn)，對(duì)比利用水稻高溫?zé)岷庀笾笖?shù)模擬的減產(chǎn)率與實(shí)際減產(chǎn)率的情況，可以看出兩者隨時(shí)間變化有很好的對(duì)應(yīng)分布關(guān)系(圖1)。樣本減產(chǎn)峰值區(qū)出現(xiàn)在2003年，該年為江蘇水稻高溫?zé)岷Φ牡湫桶l(fā)生年份，出現(xiàn)大范圍減產(chǎn)。

3 水稻高溫?zé)岷ΡｋU(xiǎn)風(fēng)險(xiǎn)區(qū)劃及評(píng)估

3.1 區(qū)劃方法

利用GIS空間分析以及屬性數(shù)據(jù)庫操作功能，對(duì)水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，采用歐式距離作為研究樣品疏密程度(差別大小)的數(shù)量指標(biāo)，選擇系統(tǒng)聚類法(hierarchical clustering method)中的離差平均和法(ward method)進(jìn)行水稻高溫?zé)岷ΡｋU(xiǎn)風(fēng)險(xiǎn)區(qū)劃，將整個(gè)江蘇劃分成1～3個(gè)區(qū)域，分別對(duì)應(yīng)水稻高溫?zé)岷ΡｋU(xiǎn)風(fēng)險(xiǎn)的低風(fēng)險(xiǎn)區(qū)、中風(fēng)險(xiǎn)區(qū)、高風(fēng)險(xiǎn)區(qū)。

此外，利用相同的方法，根據(jù)水稻熱害等級(jí)劃分的標(biāo)準(zhǔn)(表1)，將近36年監(jiān)測(cè)期內(nèi)各等級(jí)熱害出現(xiàn)的總天數(shù)作為指標(biāo)，進(jìn)行江蘇水稻高溫?zé)岷庀箫L(fēng)險(xiǎn)區(qū)劃。

3.2 區(qū)劃評(píng)估

由水稻高溫?zé)岷ΡｋU(xiǎn)風(fēng)險(xiǎn)區(qū)劃結(jié)果(圖2-a)可見，低風(fēng)險(xiǎn)區(qū)主要包括淮北和江淮之間東北部地區(qū)；中風(fēng)險(xiǎn)區(qū)主要包括江淮之間西南部和蘇南東部地區(qū)；高風(fēng)險(xiǎn)區(qū)主要包括蘇南中西部地區(qū)。將江蘇省水稻高溫?zé)岷ΡｋU(xiǎn)風(fēng)險(xiǎn)區(qū)劃結(jié)果與其氣象風(fēng)險(xiǎn)區(qū)劃結(jié)果比較可以發(fā)現(xiàn)，高溫?zé)岷庀笾笖?shù)保險(xiǎn)區(qū)劃的3個(gè)風(fēng)險(xiǎn)區(qū)域分布范圍和趨勢(shì)與氣象致災(zāi)因子區(qū)劃結(jié)果(圖2-b)近似，災(zāi)害呈現(xiàn)“西南重、東北輕”的特征，能夠很好地體現(xiàn)災(zāi)害發(fā)生程度的空間分布形態(tài)。低風(fēng)險(xiǎn)區(qū)、中風(fēng)險(xiǎn)區(qū)、高風(fēng)險(xiǎn)區(qū)的平均水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)分別為0.025、0.095、0.165，由于高溫?zé)岷υ斐傻钠骄鶞p產(chǎn)分別為6.84%、9.28%、11.66%。

從1980—2015年江蘇省各區(qū)域水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)年變化可以看出，水稻高溫?zé)岷Πl(fā)生程度呈顯著上升趨勢(shì)(圖3)。近20年來，由水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)判定的主要水稻高溫?zé)岷Πl(fā)生年份有1998、2003、2005、2006、2007、2010、2013年。相應(yīng)地，從全省水稻實(shí)際平均減產(chǎn)率和災(zāi)情記錄發(fā)現(xiàn)，水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)可以較好地識(shí)別水稻熱害的典型年份，但其數(shù)值大小并未與水稻實(shí)際減產(chǎn)率一一對(duì)應(yīng)，尤其是2015年之后，出現(xiàn)很強(qiáng)的高溫天氣，但并未造成全省大規(guī)模減產(chǎn)(表3)。其原因主要是在水稻熱害典型發(fā)生年份中，影響水稻最終實(shí)際產(chǎn)量的因素除了高溫?zé)岷ν?，還可能受到栽培技術(shù)提高、水稻品種改良、播種時(shí)期變更或者其他災(zāi)害等因素的影響，從而造成兩者的不一致。

4 結(jié)論與討論

采用Logistic曲線方程定量描述高溫?zé)岷?duì)水稻產(chǎn)量損失的影響程度，通過災(zāi)害分離和去偏離值的方法選取樣本， 利用最優(yōu)化技術(shù)確定參數(shù)，構(gòu)建的水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)具有較好的適用性。該指數(shù)準(zhǔn)確地把握了災(zāi)害風(fēng)險(xiǎn)與產(chǎn)量損失之間關(guān)系，在此基礎(chǔ)上開展保險(xiǎn)賠付工作，有利于減小“基差”風(fēng)險(xiǎn)。

表3 近20年江蘇省水稻高溫?zé)岷Φ湫湍攴輰?shí)況信息

通過與高溫致災(zāi)因子區(qū)劃結(jié)果進(jìn)行空間對(duì)比，以及水稻熱害典型年份災(zāi)損表征度的定量分析發(fā)現(xiàn)，江蘇水稻高溫?zé)岷Τ尸F(xiàn)“西南重、東北輕”的特征，水稻高溫?zé)岷庀笾笖?shù)保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃結(jié)果在表征災(zāi)害發(fā)生規(guī)律的同時(shí)也體現(xiàn)了相應(yīng)災(zāi)損的情況，可以更好地為單一災(zāi)害保險(xiǎn)區(qū)域選擇和費(fèi)率厘定提供依據(jù)和修正參考。

由于樣本的局限性，構(gòu)建水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)時(shí)，沒有區(qū)分水稻不同高溫敏感階段受高溫?zé)岷τ绊懙牟町?，也沒有區(qū)分不同高溫?zé)岷Τ掷m(xù)時(shí)間對(duì)產(chǎn)量影響的差異。今后可以開展相關(guān)研究進(jìn)一步量化高溫?zé)岷?duì)水稻生長及其產(chǎn)量的影響。在實(shí)施保險(xiǎn)工作中，一旦水稻高溫?zé)岷ΡｋU(xiǎn)氣象指數(shù)達(dá)到賠付閾值時(shí)，不需要考慮各地田間管理措施以及后期有利氣象條件補(bǔ)償作用的差異性，或者其他災(zāi)害的影響，各區(qū)域一致采用事前約定好的理賠標(biāo)準(zhǔn)，從而減小定損成本。

本研究僅從高溫?zé)岷?shí)際發(fā)生情況和對(duì)應(yīng)災(zāi)損的角度進(jìn)行水稻高溫?zé)岷ΡｋU(xiǎn)區(qū)劃評(píng)估，未考慮各地區(qū)常年平均產(chǎn)量水平、經(jīng)濟(jì)水平以及費(fèi)率水平等其他因素的影響，未能綜合體現(xiàn)水稻生產(chǎn)所面臨的災(zāi)害風(fēng)險(xiǎn)因子的影響。因此，在后續(xù)水稻高溫?zé)岷ΡｋU(xiǎn)產(chǎn)品設(shè)計(jì)時(shí)(如修正保險(xiǎn)區(qū)劃結(jié)果、厘定保費(fèi)、確定實(shí)際啟動(dòng)賠付閾值等)，還需要考慮各個(gè)地區(qū)平均生產(chǎn)狀態(tài)等因素的影響。